-
题名基于GPU加速随机森林算法的大豆基因型填充研究
被引量：1
- 1
-
-
作者
李明亮
李卓
黄斌
于军
辛鹏
张继成
唐友
-
机构
吉林化工学院信息与控制工程学院
吉林农业科技学院电气与信息工程学院
东北农业大学电气与信息工程学院
-
出处
《大豆科学》
CAS
CSCD
北大核心
2023年第6期742-748,共7页
-
基金
吉林省科技发展计划项目(YDZJ202201ZYTS692)。
-
文摘
基因型填充(Genotype Imputation, GI)是一种利用现有的基因型信息来推断未测定或不完整基因型的技术。为了探索在大豆基因组测序中处理不完整数据的高效填充方法,以提高数据处理速度和效率,本研究采用真实的大豆参考面板基因型数据,通过对数据进行2%、5%、10%和25%的完全随机缺失处理,利用GPU加速的随机森林机器学习算法构建填充模型,并对不同缺失比例的数据进行填充。同时,对比分析了不同处理器的准确性和性能。结果显示:基于GPU加速的随机森林算法在大豆基因组中实现了优秀的填充精度。与主流基因填充软件相比,该方法至少提供了4倍以上的运算时间优势。因此,GPU加速的基因型填充策略可应用于大规模基因型数据处理中,提高大豆基因型数据处理的速度和效率,同时减少计算时间和资源消耗。
-
关键词
大豆基因填充
随机森林算法
GPU加速
数据处理
-
Keywords
soybean genotype imputation
random forest algorithm
GPU acceleration
data processing
-
分类号
S565.1
[农业科学—作物学]
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名四种机器学习算法预测大豆蛋白质定位对比研究
被引量：1
- 2
-
-
作者
李佳楠
高兴泉
李卓
滕小华
黄斌
张继成
唐友
-
机构
吉林农业科技学院电气与信息工程学院
吉林化工学院信息与控制工程学院
东北农业大学电气与信息工程学院
-
出处
《大豆科学》
CAS
CSCD
北大核心
2022年第3期337-344,共8页
-
基金
吉林省特色高水平学科新兴交叉学科“数字农业”(2018)
吉林省智慧农业工程研究中心项目(2016)
国家自然科学基金(31801441)。
-
文摘
为探索不同缺失程度大豆蛋白质亚细胞定位预测的有效方法,提升大豆蛋白质亚细胞定位预测能力,本研究以1万条已知亚细胞定位位置的大豆蛋白质序列数据为研究对象,进行5%、10%、15%、20%和30%不同缺失比例完全随机缺失,分别运用SVM算法、朴素贝叶斯算法和随机森林算法和决策树4种机器学习算法预测缺失序列的亚细胞位置,对原始位置和预测后的位置进行相关性分析,对比分析不同算法的准确性和性能。结果显示:随机森林算法预测的准确率最高;朴素贝叶斯算法的运行速度最快;朴素贝叶斯算法的运行内存最小。在不考虑运行时间和运行内存因素,且对预测的准确率要求较高的情况下,随机森林算法的预测效果要优于另外3种算法;同种情况下,若对运行内存要求较高时,可优先考虑朴素贝叶斯算法。结果说明不同机器学习方法在不同缺失程度的预测需求下的适用性,可应用于大豆蛋白质数据的定位预测。
-
关键词
支持向量机算法
朴素贝叶斯算法
决策树算法
随机森林算法
大豆蛋白质
完全随机缺失
序列位置预测
-
Keywords
Support Vector Machines algorithm
Naive Bayesian algorithm
Decision Tree algorithm
Random Forest algorithm
soybean protein
completely random missing
sequence position prediction
-
分类号
S565.1
[农业科学—作物学]
TP181
[自动化与计算机技术—控制理论与控制工程]
-
